北京2022年9月9日 /美通社/ -- 亞馬遜云科技將與西門子開啟云邊協(xié)同合作，利用亞馬遜云科技人工智能與機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、物聯(lián)網(wǎng)和存儲等云服務(wù)以及西門子的工業(yè)邊緣解決方案，共同賦能制造業(yè)客戶。基于云邊協(xié)同解決方案，西門子自動化成都工廠成功構(gòu)建了工業(yè)廢料自動分揀系統(tǒng)。該系統(tǒng)依托西門子邊緣解決方案和亞馬遜云科技的人工智能與機(jī)器學(xué)習(xí)服務(wù)，將分揀準(zhǔn)確率從70%大幅提升至97%以上，有害垃圾的分類準(zhǔn)確率從90%提升到將近100%。

云邊協(xié)同是將云計算與邊緣計算有機(jī)結(jié)合。隨著邊緣設(shè)備在工業(yè)場景的應(yīng)用，將云計算和邊緣計算相融合，提升工廠數(shù)字化和智能化程度，已成為制造業(yè)數(shù)字化的必經(jīng)之路。

此次雙方共同推出的云邊協(xié)同技術(shù)框架，融合了西門子工業(yè)邊緣解決方案和亞馬遜云科技的人工智能與機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、物聯(lián)網(wǎng)和存儲等云服務(wù)。西門子工業(yè)邊緣解決方案包括邊緣設(shè)備、邊緣應(yīng)用程序和邊緣管理平臺，為數(shù)據(jù)上云提供整套解決方案。西門子Industrial Edge可實時在本地處理海量數(shù)據(jù)，滿足數(shù)據(jù)低延遲及本地合規(guī)要求；同時提供豐富的本地應(yīng)用程序，包括數(shù)據(jù)處理、數(shù)據(jù)可視化、向云或IT基礎(chǔ)架構(gòu)傳輸數(shù)據(jù)等功能。西門子工業(yè)邊緣數(shù)字化平臺將相關(guān)的數(shù)據(jù)傳輸?shù)皆贫耍浞掷迷贫遂`活高效的計算、存儲資源，實現(xiàn)信息快速共享以及復(fù)雜的計算推理和機(jī)器學(xué)習(xí)訓(xùn)練。而通過西門子Cloud Connector，客戶可以輕松便捷地連接到亞馬遜云科技的云服務(wù)。除此之外，西門子工業(yè)邊緣設(shè)備也支持亞馬遜云科技提供的開發(fā)工具包（SDK），實現(xiàn)云、邊、端的協(xié)同。

在西門子工業(yè)邊緣解決方案的基礎(chǔ)上，客戶可使用亞馬遜云科技的人工智能與機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、物聯(lián)網(wǎng)和存儲等云服務(wù)，對工業(yè)現(xiàn)場產(chǎn)生的海量數(shù)據(jù)進(jìn)行傳輸、存儲、實時處理和分析。客戶可基于Amazon Simple Storage Service（Amazon S3，對象存儲服務(wù)）構(gòu)建數(shù)據(jù)湖；通過Amazon IoT Core和Amazon IoT SiteWise等服務(wù)，客戶將數(shù)據(jù)在本地進(jìn)行預(yù)處理或脫敏后，從傳感器傳輸?shù)皆粕蠑?shù)據(jù)湖，解決邊緣設(shè)備存儲容量有限等問題。通過Amazon Glue（完全托管的ETL服務(wù)）對云端數(shù)據(jù)湖中的數(shù)據(jù)進(jìn)行處理，并通過Amazon Elastic MapReduce（Amazon EMR，托管的Hadoop 框架）實時分析流式數(shù)據(jù)源，支持大數(shù)據(jù)分析；通過Amazon SageMaker機(jī)器學(xué)習(xí)服務(wù)，客戶將機(jī)器學(xué)習(xí)與傳統(tǒng)工控設(shè)備結(jié)合，在云端進(jìn)行機(jī)器學(xué)習(xí)模型訓(xùn)練和推理。

結(jié)合西門子的工業(yè)邊緣解決方案和亞馬遜云科技領(lǐng)先的云服務(wù)，制造業(yè)客戶既可以發(fā)揮邊緣計算低延遲和數(shù)據(jù)本地化的優(yōu)勢，也可以利用豐富的云原生服務(wù)，更好地部署質(zhì)量檢測、數(shù)據(jù)分析、預(yù)測性維護(hù)等解決方案，促進(jìn)制造業(yè)的數(shù)字化轉(zhuǎn)型。亞馬遜云科技也將有專業(yè)團(tuán)隊如解決方案中心，支持客戶實現(xiàn)云邊協(xié)同。

基于云邊協(xié)同，西門子自動化成都工廠構(gòu)建了以機(jī)器學(xué)習(xí)為核心的工業(yè)廢料的自動分揀系統(tǒng)。在工廠廢料回收流水線上，西門子工業(yè)邊緣解決方案以安全可靠的方式對廢料數(shù)據(jù)進(jìn)行采集并上傳到云端，在云端通過亞馬遜云科技進(jìn)行機(jī)器學(xué)習(xí)模型的訓(xùn)練，將訓(xùn)練后的算法模型下發(fā)至邊緣端，由邊緣端設(shè)備分析廢料的圖片信息進(jìn)行分辨和分類，將分揀準(zhǔn)確率從70%左右提升至97%以上，有害垃圾的分類準(zhǔn)確率從90%提升到將近100%，逐步實現(xiàn)分揀流程的無人工干預(yù)。